要将AWS Batch与Fargate任务设置为RUNNABLE状态，您可以使用AWS SDK进行编程。以下是使用AWS SDK for Python（boto3）的示例代码：

import boto3

# 创建AWS Batch客户端
batch_client = boto3.client('batch')

# 创建Fargate任务定义
task_definition = {
    'family': 'my-task-definition',
    'containerDefinitions': [
        {
            'name': 'my-container',
            'image': 'my-image',
            'command': ['my-command'],
            'memory': 512,
            'cpu': 256
        }
    ],
    'requiresCompatibilities': [
        'FARGATE'
    ],
    'networkMode': 'awsvpc'
}

# 注册Fargate任务定义
response = batch_client.register_job_definition(
    jobDefinitionName='my-job-definition',
    type='container',
    containerProperties=task_definition
)

# 获取Fargate任务定义的ARN
task_definition_arn = response['jobDefinitionArn']

# 创建Fargate作业队列
response = batch_client.create_job_queue(
    jobQueueName='my-job-queue',
    state='ENABLED',
    priority=1,
    computeEnvironmentOrder=[
        {
            'order': 1,
            'computeEnvironment': 'my-compute-environment'
        },
    ]
)

# 获取Fargate作业队列的ARN
job_queue_arn = response['jobQueueArn']

# 提交Fargate任务
response = batch_client.submit_job(
    jobName='my-job',
    jobQueue=job_queue_arn,
    jobDefinition=task_definition_arn
)

# 获取Fargate任务的ARN
job_arn = response['jobArn']

这个示例代码演示了如何使用AWS SDK创建Fargate任务定义、作业队列和提交任务。请确保您在代码中替换适当的参数，如'image'、'command'、'memory'、'cpu'、'jobDefinitionName'、'jobQueueName'和'computeEnvironment'等。